Vektoriserte

Vektoriserte er et norsk uttrykk som refererer til data som har blitt konvertert til en vektorrepresentasjon, altså en sekvens tall som beskriver egenskaper ved det opprinnelige dataen. Ordet kommer fra verbet vektorisere og brukes om prosessen og resultatet av å omgjøre noe til vektorer som kan behandles numerisk i beregninger og statistikk. Vektoriserte data er sentrale i maskinlæring, statistikk og dataanalyse fordi tallbaserte representasjoner muliggjør matematisk behandling, sammenligning og modellering.

I praksis brukes vektoriserte data i mange fagfelt. Innen naturlig språk forming brukes tekstvektorisering for å måle likhet mellom ord eller setninger, for eksempel ved hjelp av enkle metoder som bag-of-words og TF-IDF, eller mer avanserte ord- og setningsvektorer som Word2Vec, GloVe eller kontekstuelle embeddings som BERT. For numeriske eller strukturelle data kan vektorisering innebære normalisering, enhetlig skalaering og utvalg av relevante attributter. I bildebehandling betegner vektorisering ofte konvertering av rasterbilder til vectorgrafikk ved å skape geometriske former og stier som beskriver konturer og farger.

Utfordringer ved vektoriserte data inkluderer høy dimensionalitet og sparsitet i visse representasjoner, risiko for informasjons-tap ved komprimering, behov for normalisering, og muligheten for at valgte egenskaper ikke fanger kontekst eller semantikk fullt ut. Riktig utformet kan vektoriserte data forbedre effektivitet, søk, klassifisering og mønstergjenkjenning.

Se også: vektor, vektorisering, embeddings, maskinlæring.